Python进阶----GIL锁,验证Cpython效率(单核,多核(计算密集型,IO密集型)),线程池,进程池
day35
一丶GIL锁
什么是GIL锁:
存在Cpython解释器,全名:全局解释器锁.(解释器级别的锁)
GIL是一把互斥锁,将并发运行变成串行.
在同一个进程下开启的多个线程,同时只能有一个线程执行,无法利用多核优势
GIL锁的作用:
保证同一时间内,共享数据只能被一个任务修改.保证数据的完整性和安全性
自动上锁和解锁,不需要人为的添加.减轻开发人员的负担
所谓诟病:单进程的多线程不能利用多核
通常有人会认为GIL锁不能利用多核处理任务,是Python语言的诟病.个人认为任何一门语言都不是完美的,python问世于20世纪末,当时的CPU也只是单核.
So,不能利用多核的原因是:同一个进程下,只允许一个线程对共享内容进行修改.不允许多线程同时处理共享数据.
(打个比方:现在你家有10升(共享数据:10)牛掰的牛奶,你免费送给大家每人1升. 现在有100个人(100个线程)知道了这件事,都上你家来取奶.肯定谁先来,先得. 现在来了10个人(10个线程),每个人都说我去了1升,还剩9升.你真的还剩9升吗? 毛线~~ ,你球都不剩了. 后面来的90个人还能拿到奶吗? 肯定拿拿不到了. So你是不是得上锁,比如你家大门就是一把锁.每次只允许进来(上锁)1个人去奶.取完之后把总的奶量 减一. 第一个取完了出了大门(解锁).剩余的99个人开始抢着进你家门,公平竞争,谁先到你家门,先进就把门锁上了此时发现奶的数量还剩9升,第二个人也只取1升....往后依次延续,当第十一个人进来时,肯定奶已经没了.就表示数据为0.不能再取奶.保证奶的数量的安全性,和完整性(这还是装奶的容器))
GIL抽象图:
黑色方框就代表GIL锁
二丶验证Cpython的并发效率
需求:
现在有4个任务(计算密集型任务 或者 IO密集型任务)需要处理.
方案:
一.开启四个进程
二.开启一个进程,四个线程
结果:
单核:
IO密集型:开启进程开销大,进程切换速度远不如线程. 采用一个进程四个线程方案
计算密集型:没有多核来并行计算,徒增创建进程时间,采用一个进程四个线程方案
多核:
IO密集型:尽管多核,开启进程也比较耗时,而且还是要不断的切换.不如线程快.采用一进四线方案
计算密集型:多核,开启进程并行计算.此时如果用四个线程来会切换回损耗时间.采用四进程方案
多核处理计算密集型:
多进程的并行执行 比 单进程的多线程 效率高
# -*-coding:utf-8-*-
# Author:Ds
### 计算密集型
#开启四个进程 , 开启四个线程
from multiprocessing import Process
from threading import Thread
import time
import os
def task1():
res=1
for i in range(1,100000000):
res+=i
def task2():
res=1
for i in range(1,100000000):
res+=i
def task3():
res=1
for i in range(1,100000000):
res+=i
def task4():
res=1
for i in range(1,100000000):
res+=i
if __name__ == '__main__':
start_time=time.time()
### 多核四进程: 处理计算密集型任务,效率高
# 开启四个进程
# p1=Process(target=task1,) # 6.557461261749268
# p2=Process(target=task2,)
# p3=Process(target=task3,)
# p4=Process(target=task4,)
### 虽然本人计算机是多核,但是由于GIL所的原因,同一时刻只允许一个线程处理任务
### 一进程四线程: 处理计算密集型任务,效率低
#开启四个线程
p1=Thread(target=task1,) # 22.048070430755615
p2=Thread(target=task2,)
p3=Thread(target=task3,)
p4=Thread(target=task4,)
p1.start()
p2.start()
p3.start()
p4.start()
p1.join()
p2.join()
p3.join()
p4.join()
print(f'主:{time.time()-start_time}')
#### 总结:
#计算密集型: 多进程的并行执行 ~比~ 单进程的多线程 效率高
多核处理IO密集型:
任务是IO密集型并且任务数量很大,用单进程下的多线程效率高.
from multiprocessing import Process
from threading import Thread
import time
import os
def task1():
res=1
time.sleep(3)
if __name__ == '__main__':
start_time=time.time()
### 并行处理 四核 开启一个进程,使用一个CPU
# 开启进程需要耗费大量时间
# l_t=[]
# for i in range(150):
# ### 多进程处理IO密集型
# p=Process(target=task1) # 耗时: 9.513447999954224
# l_t.append(p)
# p.start()
#
# for j in l_t:
# j.join()
### 并发处理
#虽然是并发处理 ,但是会在CPU之间来回切换.提高效率
l_t = []
for i in range(150):
### 多线程处理IO密集型
p = Thread(target=task1) # 耗时: 3.0212857723236084
l_t.append(p)
p.start()
for j in l_t:
j.join()
print(f'主:{time.time()-start_time}')
#### 总结:
#IO密集型: 任务是IO密集型并且任务数量很大,用单进程下的多线程效率高.
三丶GIL与互斥锁的关系
GIL vs ThreadLock:
GIL保护的是解释器级的数据，自动上锁,自动解锁.
Lock是保护用户自己的数据,手动上锁,手动解锁.如下图:👇
GIL锁和Lock锁
1.处理任务时,首先拿到的一定是GIL锁.
一个任务相当于一个进程(开辟空间包含所有资源,同时也包含Cpython解释器(意味着先拿到GIL锁)),一个进程包含一条线程(cpu执行最小单元). 任务就是自己编写的代码自己可以上Lock锁.
执行顺序: 操作系统调度分配---->内存中开启进程就是:空间,加载资源(Cpython解释器(拿到GIL锁),自定义py文件等)--->执行自定义程序(执行线程 ,拿到自定义Lock锁(上锁,释放))---->执行完线程释放GIL锁
2.LOCK锁 ,一定要加在处理共享数据的地方
如果自定义的lock锁随意加,会导致程序出现各种问题. 而且不符合Lock锁规则.Lock是对共享数据的限制,操作共享数据时是串行,保证并发时多个任务(多线程,多进程)修改共享数据的安全性和完整性.
四丶进程池,线程池
**concurrent.futures模块 提供了高度封装的异步调用接口. 符合鸭子模型 **.
定义:
一个存在线程.进程数量的容器.
每天计算机的资源是有限的,不能随意的开启线程或进程.都会有一个上限, '池'就是用来存放开启这些资源最大的限度.
作用:
最大限度的合理利用计算机资源处理任务,保证计算机物理安全性(开的进程或线程长期超过上限,可能损坏物理硬件)
进程池案例:
# -*-coding:utf-8-*-
# Author:Ds
#### 进程池
# 能够利用多核 处理任务
from concurrent.futures import ProcessPoolExecutor
import time
import os
import random
def task(name):
print(name)
print(f'{os.getpid()} 准备接客')
time.sleep(random.randint(1,3))
if __name__ == '__main__':
p = ProcessPoolExecutor(max_workers=5) #默认一般起进程: 计算机核数 or 1
#### for 使用
# for i in range(23):
# submit 提交执行函数,返回一个结果对象
# p.submit(task,os.getpid()) # 给进程池放任务,传参
### map取代for +submit
# 函数名,可迭代对象,
p.map(task,range(5))
p.shutdown(wait=True) # 进程池的pool.close()+pool.join()操作
线程池案例:
from concurrent.futures import ThreadPoolExecutor
import time
import os
import random
def task(name):
print(name)
print(f'{os.getpid()} 准备接客')
time.sleep(random.randint(1,3))
if __name__ == '__main__':
t = ThreadPoolExecutor(max_workers=5) #默认一般起线程的数据不超过CPU个数*5
#### for 使用
for i in range(23):
# submit 提交执行函数,返回一个结果对象
t.submit(task,os.getpid()) # 给进程池放任务,传参
### map取代for +submit
# 函数名,可迭代对象,
t.map(task,range(5))
t.shutdown(wait=True) # 进程池的pool.close()+pool.join()操作
线程池,爬取网页:
from concurrent.futures import ThreadPoolExecutor
from urllib.request import urlopen
def get_html(name,addr):
ret=urlopen(addr)
# print(ret.read().decode('utf-8'))
return {'name':name,'content':ret.read()}
def parser_page(ret_obj):
dic=ret_obj.result()
with open(dic['name']+'.html','wb') as f:
f.write(dic['content'])
# print(ret_obj)
url_lst={
'淘宝':'https://www.taobao.com',
'京东':'https://www.jd.com/2019',
'百度':'http://www.baidu.com'
}
t=ThreadPoolExecutor(20)
for url in url_lst:
task=t.submit(get_html,url,url_lst[url])
# 回调函数
task.add_done_callback(parser_page)
### 使用with上下文管理
with ThreadPoolExecutor(20) as t:
for url in url_lst:
task=t.submit(get_html,url,url_lst[url])
# 回调函数
task.add_done_callback(parser_page)
t.map()
t.shutdown()
#### 使用多线程去执行 get html
#### 一旦get_html执行结束后 ,立即使用parser_page函数来分析获取的页面结果
# 进程池 除非是计算密集型的场景: 否则几乎不用 CPU的个数*2
# 线程池 一般情况启动 CPU的个数*5
